IV Regressions without Exclusion Restrictions
无需排除限制的工具变量回归AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要以含内生变量模型的识别为核心，并研究教育回报及解释变量的直接效应，对应因果推断方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
无需排除限制的工具变量回归
- 研究问题
- 在不存在被排除的工具变量时，能否依靠均值独立与非线性相关性条件，识别并估计含内生变量的线性和非线性回归模型？
- 方法与思路
- 作者基于上述条件建立识别结果，提出两个半参数估计量及一个无需非参数回归的离散化估计量，并研究渐近正态性与模拟表现。
- 材料陈述的贡献
- 摘要称方法在排除限制违背及内生性场景下具有稳健的有限样本表现，并用于教育回报研究及大学距离、家庭背景变量直接效应的检验。
- 阅读关注点
- 应核对均值独立和非线性相关性条件的具体含义、识别信息的来源、三种估计量的实施要求，以及教育回报应用中条件的可信程度。
- 阅读边界
- 所据为 arXiv 预印本，不能确认同行评审或期刊接收；摘要未给出具体识别条件与模拟数值，无需排除限制并不表示无需其他实质性假设。
原文摘要
We study identification and estimation of endogenous linear and nonlinear regression models without excluded instrumental variables, based on the standard mean independence condition and a nonlinear relevance condition. Based on the identification results, we propose two semiparametric estimators as well as a discretization-based estimator that does not require any nonparametric regressions. We establish their asymptotic normality and demonstrate via simulations their robust finite-sample performances with respect to exclusion restrictions violations and endogeneity. Our approach is applied to study the returns to education, and to test the direct effects of college proximity indicators as well as family background variables on the outcome.